[00810947]生物特征识别若干关键技术研究及应用

随着生物特征识别技术的迅速发展和人们安全意识的逐渐加强，以生物特征识别为核心的身份认证技术不断得到世界各国重视。国家“十三五”科技发展规划指出，要极大推动以国内生物特征识别为基础的安全技术研究和发展。因此，开展生物特征识别技术及应用对信息安全和国家战略安全具有深远意义和现实意义。生物特征识别技术具有不可否认、不易伪造、无需记忆、方便使用等特点，在很大程度上解决了传统身份认证出现的各类问题。该项目针对传统身份认证技术存在的问题，在生物特征活体检测与识别技术、多模态生物特征融合与识别技术、识别系统稳定性与快速性实现技术等算法实现与产业化方面，创造性地提出新思想、新算法；对生物特征识别领域的研究与应用起到积极的推动作用。在活体检测与识别方面，提出活体生物特征安全认证装置及活体安全认证方法，在装置中加入活体检测模块，采用网络在线认证测试，提高安全性，实现简单、用户友好性好、鲁棒性高；提出掌静脉活体检测技术，保证手掌静脉图像采集时，手掌准确且有效放置在适合摄像头拍摄的最佳位置，确保手掌静脉图像采集的有效性，减少误差率及漏洞。在多模态融合与识别方面，针对单生物特征识别的局限性，提出多生物特征融合与识别模型，克服小样本效应，为多生物特征身份识别提供有效模型；提出二维Fisher线性判别融合技术，有效减少类间散度矩阵奇异性概率。首次提出核零空间线性鉴别分析，解决高维类内离散度矩阵的维数灾难问题。构建局部二进制模式与改进仿生模式识别的识别系统，与最先进的系统相比毫不逊色。提出多尺度局部相位量化特征提取方法，解决模糊特征提取的难点问题。设计智能家居安防系统，加入具有抗干扰性的移动接听多模态硬件模块，保证家庭和小区安全；构建车载实时监控多功能服务平台，采用无线数据传输系统，实现无线通讯网络模块，组网灵活、稳定性强、数据容量大，适合安防现场。在识别系统稳定性与快速性实现方面，提出基于深度自学习的鲁棒人脸特征提取方法，有助于网络对表征特征信息的联想记忆，形成更加抽象和结构性的高层分布式特征表示，有效表达自动学习和特征提取过程。提出奇异值特征神经网络识别方法，建立反向传播神经网络识别模型；采用不同训练策略提高模型分类性能，解决奇异值处理、神经网络训练策略和竞争选择问题，实现简单、识别速度快、识别效率高。提出广义核函数Fisher最佳鉴别，为解决多类模式识别问题提供有效途径。 该项目在多项国家基金、省基金的资助下，取得较为丰硕的成果；发表高水平论文多篇，培养了一批优秀人才，获授权专利10件，其中，发明专利6件；并在多家企业产业化与推广应用，提高了转移转化能力，提升了产品技术含量，开辟了新市场，降低了生产成本，取得较好的经济社会效益。完成单位、应用单位三年新增销售总额分别为5173.63万元、2272.07万元，新增利润总额分别为831.51万元、373.43万元。